基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.     

近红外光谱主成分-所有可能回归法定量分析烤烟、小麦样品中的组分含量

利用主成分-所有可能回归法,建立了烤烟、小麦样品不同组份的近红外光谱定量分析模型。结果表明,烤烟样品的总糖、还原糖以及小麦样品的蛋白质含量的预测模型均有好的定量分析结果,且其预测结果与PLS法预测结果相当。     

无信息变量消除法变量筛选优化烟草中总氮和总糖的定量模型

应用近红外光谱技术对烟草常规化学成分中总氮和总糖进行了测定。无信息变量消除(UVE)剔除光谱矩阵中没有有效信息的数据点,并用偏最小二乘方法(PLS)建立总氮和总糖的定量分析模型,外部检验对模型效果进行了评价。总氮定量模型校正集的决定系数R2为93.35%,标准偏差SEC为0.10;外部检验集的决定系数R2为94.09%,标准偏差SEP为0.11,相对标准偏差RSD为6.12%;总糖的定量模型校正集的决定系数R2为98.20%,标准偏差SEC为0.95;外部检验集样品的决定系数R2为98.01%,标准偏差SEP为0.78,相对标准偏差RSD为2.93%。结果表明:采用UVE建立的总氮与总糖的模型优于用全谱建立的模型,UVE提高了PLS模型的预测能力。     

光谱采集方式对AOTF-近红外光谱技术分析烟草主要化学成分的影响

初步探讨了不同光谱采集方式对AOTF-近红外光谱技术检测烟草主要化学成分及建模的影响。结果表明,以旋转方式采集光谱可以得到更多的样品信息,所建立的模型精度较高。从模型的各项指标来看,总糖、还原糖和总烟碱的相关系数很高,说明化学成分含量数据和光谱数据间有较好的相关性。实验结果表明AOTF-近红外光谱技术可用于烟草样品主要化学成分的常规分析。     

近红外光谱测定人参与西洋参的主要皂甙总量

采用近红外光谱测定人参与西洋参的主要皂甙总量.采集人参与西洋参的漫反射光谱,分别对光谱进行正交信号校正(OSC)与常规预处理,建立了对应的偏最小二乘(PLS)回归模型.与常规最优预处理方法相比,OSC能很好地消除人参与西洋参的品种差异,显著提高了光谱与皂甙含量的相关系数,同时降低了PLS建模因子数,提高了模型的稳健性与...     

激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量

利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。     

独立分量分析预处理法提高苹果糖度模型预测精度研究

为了提高苹果近红外光谱糖度预测模型精度,利用独立分量分析方法(ICA)对苹果近红外光谱进行了预处理,并且建立了糖度的偏最小二乘(PLS)预测模型。结果表明,独立分量分析不但能分离出噪声信号,而且所分离出来的光谱信号也比原始光谱信号光滑。在预处理后的最佳PLS糖度模型校正时的相关系数rc和标准偏差SEC分别为0.9549和0.3361,用于预测时的相关系数rp和标准偏差SEP分别为0.9071和0.4355。与普通的平均处理法的PLS模型相比,其精度有所提高,且模型更加简洁。     

傅立叶变换近红外光谱法快速评价涪陵榨菜品质

应用傅立叶变换近红外光谱技术,建立了评价涪陵榨菜品质的定量分析模型.测定了58份涪陵榨菜的近红外光谱数据,通过光谱预处理方法消除噪声,以偏最小二乘法(PLS)建立回归模型.最终得到评价其品质的水分、总酸(以乳酸计)和氨基酸含量近红外光谱分析模型的决定系数(R2)依次为0.957 8、0.975 4、0.950 4,交叉...     

近红外光谱法快速测定柴胡提取过程中的药效成分

利用近红外光谱(NIRS)技术对柴胡提取过程中的药效成分进行快速定量分析。共收集126个柴胡提取液样品,采用紫外-可见分光光度法测定总黄酮和多糖的含量,高效液相色谱法(HPLC)测定柴胡皂苷A及柴胡皂苷D的含量,以透射模式采集提取液的近红外光谱,运用偏最小二乘法(PLS)分别建立了近红外光谱与4种药效指标参考值之间的定量校正模型,并采用不同的预处理方法、光谱波段和主因子数对模型进行优化。结果表明,总黄酮、多糖、柴胡皂苷A和柴胡皂苷D 4种定量模型的近红外预测值与参考值之间的拟合性良好,模型预测精度较高,其中预测集相关系数(RP)均大于0.9;预测集误差均方根(RMSEP)分别为3.46 μg/mL、0.743 mg/mL、1.53 μg/mL、0.406 μg/mL;预测集相对偏差(RSEP)分别为1.65%、8.28%、5.74%、7.52%。该研究证实了NIRS结合PLS可成功应用于监测柴胡提取液中药效成分的含量变化,且方法具有快速、准确、无损和环保的特点。     

PLS-BP法近红外光谱技术同时测定鲜乳中四种主成分

基于近红外光谱技术,将偏最小二乘法(Partial Least Squares,PLS)和单隐层的反向传播网络(Back-Propagation Network,BP)联用并测定了鲜乳中4种主成分含量.用PLS法将原始数据压缩为主成分,取前3个主成分的14个数据输入网络,以Kolmogorov定理为依据,经过实验确定中间层的神经元个数为29,初始训练迭代次数为1000,建立了脂肪、蛋白质、乳糖、牛乳总固体4种主成分含量的预测校正模型.PLS-BP模型对样品4个组分含量的预测决定系数(R2)分别为:0.961、0.974、0.951、0.997;本研究为近红外光谱技术在鲜乳多组分快速检测提供了新思路.